Brug prædiktiv analyse til at forbedre erhvervsrejser

prædiktiv-analyse-og-erhvervsrejser

Det er svært at vide, hvad der er realistisk i forhold til at anvende prædiktiv analyse inden for erhvervsrejser. Der er i øjeblikket så stor begejstring omkring konceptet, at der opstår forvirring om begrebets egentlige betydning. Det blandes sammen med andre begreber som big data, kunstig intelligens og maskinlæring. Prædiktiv analyse adskiller sig fra disse begreber. Med så meget forstyrrende snak og hype er det vigtigt at fokusere på, hvordan prædiktiv analyse rent faktisk kan bruges i forhold til erhvervsrejser.

Forskellen på prædiktiv analyse, kunstig intelligens, maskinlæring og big data

Hvis du ikke er dataekspert, er det let at komme til at forveksle begreber som big data, kunstig intelligens, maskinlæring og prædiktiv analyse. De involverer hver især innovativ behandling af hidtil uhørte mængder og variationer af data. I takt med en øget datavolumen har dataanalyse udviklet sig eksplosivt i de seneste år. Store fremskridt inden for it-funktioner og lagring samt en simplificering af standarderne for dataintegration har været med til at sætte gang i udviklingen. Men big data, kunstig intelligens, maskinlæring og prædiktiv analyse har hver især forskellige mål og metoder.

Big data er et begreb, der beskriver indsamling og analyse af enorme og meget forskelligartede datasæt. Kunstig intelligens bruger software til at analysere data og simulere en menneskelignende tankegang som for eksempel at studere en lægejournal og vurdere, om patienten har brug for en anden medicinsk behandling. Maskinlæring involverer software, som kan lære fra data. Et maskinlæringsprogram kan for eksempel kigge på millioner af digitale billeder af planter og træer og lære sig selv at skelne mellem dem.

Prædiktiv analyse handler om at bruge dataanalyse til at forudsige fremtidige hændelser. Det indebærer typisk at kigge på tidligere datasæt og anvende algoritmer til at identificere mønstre, der kan forudsige kommende begivenheder og informere om dette. Forestil dig en virksomhed med oliepumper i halvdelen af Texas. En ekstern sensor overvåger de mekaniske funktioner og sender enorme datastrømme til en central maskine, der udfører prædiktiv analyse. Denne software kan behandle dataene og forudsige, hvilke boreplatforme der har brug for vedligeholdelse, inden de bryder sammen. Det kaldes prædiktiv vedligeholdelse.

Praktiske anvendelsesmuligheder for prædiktiv analyse inden for erhvervsrejser

Hvad kan rejsebranchen bruge prædiktiv analyse til? Det er fristende at give fantasien frit løb. Du kan drømme om en fremtid, hvor software analyserer din medicinske historie og forudsiger, at du ender på skadestuen efter en allergisk reaktion på en mint, der blev efterladt på din hotelpude. Et lidt mere realistisk scenarie involverer måske, at et maskinlæringsprogram indlærer jeres virksomheds reservationsvaner og forudsiger, hvordan virksomheden kan spare penge eller øge de rejsendes tilfredshed.

Forestil dig, at du skal på erhvervsrejse til Paris. Hvis du søger efter et hotel på en forbrugerside, får du hundredvis af forslag. Det kan være en frustrerende og tidskrævende proces at kigge dem alle igennem.

Takket være prædiktiv analyse kender reservationssystemet allerede dig og virksomheden. Du kan få forslag til hoteller i Paris, hvor dine kollegaer tidligere har overnattet. Du kan også få forslag til hoteller baseret på afstanden fra virksomheden til dit mødested i Paris. Værktøjet kan endda forudsige, hvornår det er bedst at undgå en dyr taxatur baseret på en trafikanalyse.

Prædiktiv analyse og multinationale selskaber

Brugen af prædiktiv analyse inden for erhvervsrejser er stadig på begynderstadiet. Der er dog nyskabelser på vej, og fremtiden ser spændende ud. Det gælder både for multinationale selskaber og mindre virksomheder. Det ser ud til, at prædiktiv analyse i store virksomheder vil bygge videre på medarbejdernes eksisterende omfattende rejsehistorik, mens mindre virksomheder vil arbejde med prædiktiv analyse baseret på rejsedata fra lignende virksomheder.

Her er et eksempel: Hvert år sender en global teknologivirksomhed tusindvis af medarbejdere afsted til store teknologikonferencer verden over. Hvis virksomhedens erhvervsrejseudbyder anvender prædiktiv analyse, kan de få forslag til, hvordan hver afdeling kan opnå besparelser på relaterede udgifter gennem tidlig bestilling. Systemet giver for eksempel besked til den europæiske afdeling om, at priserne på rejser til konferencer i Asien og Stillehavsområdet forventes at stige på visse tidspunkter på året. Det kan derfor anbefales, at der sendes færre medarbejdere afsted til visse konferencer.

Udfordringerne ved prædiktiv analyse inden for rejser

Der er en række faktorer, som kan forhindre en gnidningsløs implementering af prædiktiv analyse inden for erhvervsrejser. Det første problem er selve dataene. I øjeblikket er de nødvendige data til at udføre effektive prædiktive modelberegninger fordelt mellem en lang række online leverandører og offline tjenester. Prognoser har ingen værdi, hvis de ikke er baseret på alle de relevante data. Det er et problem, som Egencia arbejder på at løse via vores platform til administration af rejser.

Det er let at undervurdere udfordringen i at udvikle prædiktive modeller til rejser. Vi driver virksomhed i hele verden, præcis som vores globale kunder. Hvad ét datterselskab anser for at være en god rejseoplevelse – eller et godt tilbud – er ikke nødvendigvis det samme som en afdeling i en anden del af verden. Det er vores erfaring, at for eksempel erhvervsrejsende i Asien fortrækker luksus frem for budget. Det skyldes en nuance i Asiens erhvervskultur, som generelt belønner medarbejdere, der udstråler succes.

I dette tilfælde anses luksushotellet mere som en investering i markedsføring og salg end en rejseudgift. På den anden side fortrækker amerikanske rejsende måske et luksushotel, men dette er ikke tilladt ifølge virksomhedens rejsepolitik. Præcise prædiktive analyser skal tage højde for disse nuancer og fortsat blive bedre til at forstå, hvad de betyder.

Den største udfordring handler dog om at omsætte prædiktiv analyse til konkrete handlinger. Statistikker er fine. Men medmindre det er muligt at forvandle disse statistikker til konkrete handlinger, er de ikke til megen hjælp. Lad os sige, at jeres prædiktive model anbefaler en bestemt flyrejse. Dette forslag kan kun bruges til noget, hvis værktøjet er integreret med jeres rejseplatform og virksomhedens rejsepolitik. På den måde er det muligt at se, om reservationen overholder rejsepolitikken.

Mulighederne for prædiktiv analyse inden for erhvervsrejser

Erhvervsrejsebureauer som Egencia arbejder i øjeblikket på at gøre prædiktiv analyse til en værdiskabende funktion i rejseløsningen hos multinationale virksomheder. Det er et nyt område med mange spændende idéer og mulige nyskabelser. Udfordringen for erhvervsrejseudbydere er at forstå fordelene ved prædiktiv analyse fra et globalt virksomhedsperspektiv. Vi fokuserer på anvendelsesmuligheder, der medfører besparelser, øger overholdelsen af rejsepolitikken og bidrager til en bedre erhvervsrejseoplevelse for de rejsende.